Mergulhe de cabeça na inteligência artificial e saiba mais sobre os principais termos e conceitos com este glossário de IA generativa.

Do que você vai precisar

Praticar no aplicativo

Abrir o Adobe Express

Como um tipo de tecnologia de inteligência artificial generativa, os geradores de arte e de imagem por IA funcionam de maneira semelhante a outros tipos de IA, utilizando um modelo de machine learning e grandes conjuntos de dados para produzir determinado resultado. Permitindo gerar imagens com base em inserções de texto simples, os geradores de imagens por IA revolucionam o processo criativo, fornecendo uma maneira rápida e eficiente de dar vida às ideias visuais com inúmeras aplicações.

Referindo-se a uma classe de algoritmos de machine learning, a IA generativa foi projetada para criar conteúdo novo e original, como os exemplos de imagens que veremos depois neste blog. A qualidade e a diversidade dos resultados gerados dependem da qualidade e da diversidade dos dados de treinamento, da arquitetura e dos parâmetros do modelo e do processo de treinamento. Qualquer pessoa pode usar a linguagem cotidiana e outros recursos para produzir imagens, vídeos, documentos, experiências digitais e, no caso do Adobe Firefly, belas imagens, texto transformado, jogos de cores e muito mais. Entender o panorama da IA é um bom ponto de partida.

As aplicações práticas são muitas e os resultados podem ser fantásticos, mas a IA não é mágica nem ficção científica. O seguinte glossário deste setor inovador e em constante evolução contém os termos e conceitos essenciais para você se familiarizar com a inteligência artificial e as ferramentas de IA generativa.

IA refere-se ao campo da ciência da computação que visa criar sistemas inteligentes capazes de executar tarefas que exigem inteligência semelhante à humana. Ela abrange várias técnicas e algoritmos que permitem que as máquinas aprendam com os dados, raciocinem e se adaptem a novas informações. A inteligência artificial utiliza um modelo de machine learning, grandes conjuntos de dados e reconhecimento de padrões para produzir determinado resultado, como recomendações personalizadas, reconhecimento de voz, tradução de idiomas e muito mais.

A IA generativa é um tipo de inteligência artificial que pode transformar palavras comuns e outros comandos em resultados extraordinários. Embora a discussão acerca da tecnologia tenha se concentrado na geração de arte e imagens por IA, a IA generativa pode fazer muito mais do que gerar imagens estáticas a partir de comandos de texto.

Com algumas palavras simples e o gerador de IA certo, qualquer pessoa pode criar vídeos, documentos e experiências digitais, assim como arte e imagens sofisticadas. Geradores de arte com IA também podem ser usados para produzir “componentes criativos”, como pincéis, vetores e texturas, que podem aprimorar ou formar a base do conteúdo.

Um comando de texto é uma instrução específica fornecida a um modelo de linguagem de IA para gerar o conteúdo ou as respostas desejadas. Normalmente consiste em uma sentença ou frase curta que fornece contexto e solicita que a IA gere texto relevante ao comando inserido. As descrições de texto são amplamente usadas no processamento de linguagem natural e em aplicativos de criação viabilizados por IA.

Escrever descrições de texto envolve a elaboração de instruções ou perguntas específicas por escrito para orientar os modelos de IA generativa, moldando os resultados de acordo com o conteúdo e o estilo desejados. Descrições eficazes são importantes para conseguir os resultados desejados.

O Adobe Firefly é a nova família de modelos de IA generativa para criação nos produtos da Adobe, a princípio focado na geração de imagens e efeitos de texto. Ele oferece novas maneiras de idealizar, criar e se comunicar, além de melhorar significativamente os fluxos de trabalho de criação. O Firefly é a extensão natural da tecnologia que a Adobe produziu nos últimos 40 anos, guiada pela crença de que as pessoas deveriam ter o poder de dar vida a suas ideias exatamente como imaginadas.

Grandes modelos de linguagem, como o popular ChatGPT-3, contêm bilhões de parâmetros e são excelentes no processamento e na geração de linguagem semelhante à humana. Eles se saem bem em várias tarefas de compreensão e de geração de linguagem natural.

Aprendizado de máquina é um subconjunto da IA que permite que os sistemas aprendam com os dados e melhorem o desempenho ao longo do tempo, sem programação explícita. Ele inclui técnicas de aprendizagem supervisionada, não supervisionada e por reforço.

As redes neurais são modelos computacionais inspirados na estrutura do cérebro humano. Eles consistem em nós ou neurônios interconectados, organizados em camadas, e são amplamente utilizados em diversas tarefas de IA.

Deep learning é um subconjunto do aprendizado de máquina que utiliza redes neurais com várias camadas ocultas para processar dados e resolver problemas complexos, como reconhecimento de imagem e processamento de linguagem natural.

A geração de imagens com IA envolve a criação de imagens realistas do zero usando modelos generativos, como GANs, VAEs ou transformadores, revolucionando aplicativos de criação e de geração de conteúdo visual. Como um tipo de tecnologia de IA generativa, os geradores de arte com IA funcionam de maneira semelhante a outros tipos de inteligência artificial, que utilizam um modelo de machine learning e grandes conjuntos de dados para produzir determinado resultado.

A geração de texto com IA se refere ao processo de produção de conteúdo escrito coerente e contextualmente relevante usando grandes modelos de linguagem ou redes neurais recorrentes.

O aprendizado não supervisionado é uma abordagem de aprendizado de máquina viabilizada por IA em que o modelo aprende com dados não rotulados, encontrando padrões e estruturas sem supervisão explícita.

A aprendizagem por transferência é uma técnica de IA em que o conhecimento adquirido no treinamento em uma tarefa é aplicado para melhorar o aprendizado e o desempenho de outra tarefa relacionada, reduzindo a necessidade de muitos dados de treinamento.

O aumento de dados consiste em aumentar artificialmente o tamanho de um conjunto de dados transformando os dados originais, melhorando a capacidade de generalização do modelo.

O preconceito na IA se refere à presença de preferências injustas ou desonestas nos modelos de IA, muitas vezes refletindo preconceitos humanos presentes nos dados de treinamento, levando a resultados discriminatórios.

A IA explicável visa tornar os processos de tomada de decisão dos modelos de IA compreensíveis e transparentes, algo essencial para gerar confiança e compreender o seu comportamento, particularmente em aplicações críticas.

A ética relacionada à IA aborda o desenvolvimento, a implantação e o uso responsável de tecnologias de IA, resolvendo preocupações relacionadas a privacidade, preconceito, transparência e responsabilidade.

A arte gerada por IA abrange as artes criadas ou cocriadas por sistemas de IA usando algoritmos generativos, refletindo a fusão da criatividade humana e das capacidades de inteligência artificial. Geradores de IA como o Adobe Firefly podem impulsionar a criatividade ao oferecer às pessoas novas maneiras de imaginar, experimentar e dar vida a suas ideias.

Para o Firefly, o objetivo futuro é capacitar os criadores a usar linguagem comum e outras entradas de IA para testar variações de design, remover imperfeições de fotos, adicionar elementos a uma ilustração, mudar a atmosfera de um vídeo, adicionar textura a objetos 3D, criar experiências digitais e muito mais.

A privacidade de dados refere-se à proteção de informações pessoais e confidenciais usadas em conjuntos de dados de treinamento de IA para evitar acesso não autorizado e possível uso indevido.

A tradução de imagem para imagem é uma técnica de IA generativa que converte imagens de um domínio para outro, possibilitando ações como converter esboços em imagens realistas ou mudar cenas diurnas para noturnas.

Os modelos de linguagem são sistemas de IA projetados para processar e gerar linguagem humana, cruciais para várias tarefas de NLP, como tradução automática e resumos de textos.

Os modelos pré-treinados são modelos de IA treinados em conjuntos de dados em grande escala e disponibilizados para ajuste adicional ou aprendizagem por transferência em tarefas específicas.

O NLP é um campo da IA focado em permitir que os computadores entendam, interpretem e gerem linguagem humana, possibilitando aplicativos como chatbots e análises de sentimentos.

A transferência de estilo na IA envolve a fusão do estilo de uma imagem com o conteúdo de outra, criando resultados visuais novos e artísticos.

O preenchimento é uma técnica de geração de imagens por IA usada para completar as partes que faltam em uma imagem, frequentemente aplicada na restauração e no aprimoramento.

O ajuste de hiperparâmetros é o processo de otimização das configurações (hiperparâmetros) dos modelos de IA para conseguir desempenho melhor.

A transferibilidade se refere à capacidade dos modelos de IA de aplicar o conhecimento adquirido em um domínio para melhorar o desempenho em outro domínio.

A IA multimodal processa e gera conteúdo a partir de vários tipos de dados, como textos, imagens e áudios, permitindo resultados mais diversos e criativos.

As GANs são uma classe de modelos de IA generativa que consiste em duas redes neurais, o gerador e o discriminador, trabalhando em conjunto para produzir dados sintéticos de alta qualidade.

Os VAEs são modelos generativos que utilizam um codificador e um decodificador para aprender representações latentes de dados e gerar novas amostras.

Os transformadores são um tipo de arquitetura de deep learning amplamente utilizada em grandes modelos de linguagem, facilitando o processamento paralelo de dados e melhorando a eficiência computacional.

A IA colaborativa envolve sistemas de IA criados para trabalhar em cooperação com os seres humanos, melhorando as capacidades humanas e facilitando a tomada de decisões colaborativa.

As questões éticas na IA generativa incluem preocupações sobre a geração tendenciosa de conteúdo, a implantação responsável da IA e o impacto do conteúdo gerado pela IA na sociedade e na indústria da arte.

Modelos de linguagem específica do domínio são modelos de IA ajustados para setores ou campos específicos para fornecer resultados personalizados e precisos.

O licenciamento de conteúdo gerado por IA aborda considerações legais sobre propriedade e direitos de uso de conteúdo produzido por sistemas de IA.

A colaboração entre humano e IA envolve a integração de tecnologias de IA juntamente com a contribuição humana, promovendo uma relação simbiótica para aproveitar os pontos fortes de ambas as partes em projetos criativos.

As técnicas de mitigação de preconceito visam reduzir o preconceito nos modelos de IA, garantindo resultados justos e equitativos na geração de conteúdo e na tomada de decisões.

A inferência é o processo de usar um modelo de IA treinado para fazer previsões ou gerar conteúdo com base em novos dados inseridos.

Os dados no domínio são os conjuntos de dados de treinamento que representam fielmente o domínio específico ou a tarefa-alvo para alcançar o desempenho ideal no modelo de IA.

O Deep dream é uma técnica de visualização de rede neural usada para aprimorar e modificar imagens, criando visuais surreais e oníricos.

A limpeza de dados envolve a identificação e a correção de erros e inconsistências em conjuntos de dados para garantir um treinamento preciso e confiável do modelo de IA.

Os codificadores automáticos são uma classe de redes neurais usadas no aprendizado não supervisionado para compactar e depois reconstruir dados. São usados frequentemente em tarefas envolvendo IA generativa.

A aleatoriedade se refere ao elemento probabilístico nos modelos de IA, contribuindo para a diversidade dos resultados gerados.

O Zero-Shot learning é uma abordagem de machine learning em que um modelo pode executar tarefas para as quais não foi explicitamente treinado, recebendo apenas uma descrição textual da tarefa.

O One-Shot learning é uma abordagem de aprendizado de máquina em que um modelo pode aprender com apenas um exemplo, imitando capacidades de aprendizado semelhantes às humanas.

A aprendizagem autossupervisionada é um paradigma de aprendizagem em que um modelo aproveita a estrutura inerente dos dados para gerar seus próprios rótulos de treinamento, reduzindo a necessidade de conjuntos extensos de dados rotulados por humanos.

As plataformas colaborativas de IA, como o Adobe Firefly, fornecem ferramentas para artistas e criadores colaborarem com IA, permitindo a geração de conteúdo inovador e explorando novas dimensões de criatividade.

A Iniciativa de autenticidade de conteúdo (CAI) é um esforço colaborativo entre diversas organizações e empresas do ramo de tecnologia com o objetivo de estabelecer padrões e tecnologias para verificar a autenticidade do conteúdo nas mídias digitais. O objetivo da CAI é combater a desinformação e os deepfakes, fornecendo ferramentas para rastrear a origem e o histórico de alterações dos arquivos de mídia, garantindo a integridade e a transparência do conteúdo.

As credenciais de conteúdo se referem a metadados ou certificados digitais anexados ao conteúdo digital, confirmando sua origem, autoria e histórico de modificações. Essas credenciais fazem parte da estrutura da Iniciativa de autenticidade de conteúdo e desempenham um papel importante para estabelecar a legitimidade e a confiabilidade dos arquivos de mídia.

A pintura externa (ou extrapolação) é uma técnica de inteligência artificial e visão computacional usada para gerar conteúdo além dos limites de uma imagem existente. Ao contrário do preenchimento, que preenche as partes que faltam em uma imagem, a pintura externa estende o conteúdo além de seus limites originais, muitas vezes produzindo extrapolações criativas e realistas.

No contexto de softwares e aplicativos de IA, Beta se refere a uma fase de testes em que um produto ou serviço é disponibilizado a um grupo seleto de usuários antes do lançamento oficial. Os testes Beta permitem que os desenvolvedores recebam feedback, identifiquem erros e façam melhorias com base no uso real, garantindo uma versão final mais estável e refinada.

O uso comercial, em contextos relacionados à IA, se refere à utilização de modelos, softwares e conteúdo gerado por IA para fins lucrativos. A indenização, por outro lado, se refere à proteção legal ou à compensação fornecida aos utilizadores em relação a quaisquer perdas, danos ou responsabilidades potenciais resultantes da utilização de produtos ou serviços de IA.

A Aliança para Proveniência e Autenticidade de Conteúdo (C2PA) é uma aliança colaborativa de organizações que trabalham no desenvolvimento de padrões e tecnologias para certificar a origem, a autenticidade e a confiabilidade do conteúdo digital. O C2PA está estreitamente relacionado à Iniciativa de autenticidade de conteúdo e visa combater a propagação da desinformação e garantir a integridade dos meios de comunicação social.

O preenchimento sensível ao conteúdo é uma técnica de visão computacional e edição de imagens que permite que softwares viabilizados por IA removam objetos de maneira inteligente ou preencham áreas que faltam em uma imagem. A IA analisa os pixels e as texturas nos arredores para gerar uma substituição perfeita, criando um resultado visualmente consistente e natural.

Medição ou crédito se refere ao processo de atribuição de reconhecimento ou confirmação adequado aos criadores ou proprietários de conteúdo gerado por IA. Isso envolve fornecer credenciamento adequado para evitar plágio e defender os direitos de propriedade intelectual.

No contexto da inteligência artificial, o ruído se refere a dados irrelevantes ou aleatórios presentes num conjunto de dados. Essas informações estranhas podem afetar negativamente o desempenho e a precisão dos modelos de machine learning, tornando a redução de ruído uma etapa essencial do pré-processamento na preparação de dados.

As variantes, no contexto de modelos ou algoritmos de IA, se referem a diferentes versões ou iterações criadas por meio de modificações ou ajustes específicos no modelo original. Essas mudanças podem envolver a alteração de hiperparâmetros, dados de treinamento ou configurações de arquitetura para explorar diferentes abordagens e melhorar o desempenho.

As sementes, no contexto do treinamento do modelo de IA, são os valores aleatórios iniciais definidos para inicializar os parâmetros do modelo. O uso de diferentes valores iniciais pode gerar resultados variados do modelo durante o treinamento e é uma técnica comum para controlar a aleatoriedade e garantir a capacidade de reprodução.

O ControlNet é um conceito em pesquisas de IA que envolve o treinamento de uma rede neural separada junto com o modelo principal para monitorar e regular seus resultados. Essa rede auxiliar atua como um mecanismo de controle, ajudando a melhorar a estabilidade, a confiabilidade e a aderência do modelo ao comportamento desejado.

NSFW significa “Não seguro para o trabalho”, indicando conteúdo que pode ser impróprio ou explícito para determinadas situações. Uma lista de conteúdo explícito (NSFW) ou lista de bloqueio é uma compilação de palavras-chave, frases ou termos descritores de conteúdo usados por sistemas de IA para detectar e filtrar material impróprio ou confidencial no conteúdo gerado pelo usuário ou nos resultados de pesquisa.